A primeira entrada é sempre a fonte do pin. A confiança geral é uma média ponderada de quanto cada referência sustenta os horários de início e fim usados acima; uma referência conta metade a cada 180 dias a mais em relação à mais recente.
ScriptByAI's[4] timeline dates Video 2.6 to 3 December 2025, two days after Video O1; the press release is datelined Beijing, 4 December ("today unveiled"), a time-zone difference.
5 December 2025: visuals, dialogue and sound effects in a single workflow.[1]
21 December 2025: voice control with custom voices, 3-30 second motion-control references, and API prices of about $0.07 to $0.14 per second on partner platforms.[1]
Dates VIDEO 2.6 to 3 December 2025 with Chinese and English voices and clips up to 10 seconds, and Voice Control to 16 December.[1]
Falta algo ou há um erro? Diga com suas palavras: um link que sustente este pin, uma data de início ou fim diferente e por quê, ou um fato que falta ou está errado. A IA confere isso com as fontes do pin, procura outras melhores e adiciona qualquer página que dê razão a você. As fontes do próprio pin continuam contando mais. Uma imagem que mostra outra coisa, ou mostra mal, também é analisada e rebaixada ou substituída.
| Spec |
|---|
| Value |
|---|
| 2.6 Pro, audio off | $0.07 per second (USD) |
|---|---|
| 2.6 Pro, audio on | $0.14 per second (USD) |
| 5 s with audio | $0.70 (USD) |
| 10 s with audio | $1.40 (USD) |
Prices as listed on the fal.ai endpoint page, read 24 Oct 2026. · fonte
| Spec | Kling 2.5 Turbo | Kling 2.6 |
|---|---|---|
| Native audio | No joint audio published | Yes, English and Chinese |
2.6 is described by Kling as its model with native audio; the 2.5 Turbo release does not mention audio. · fonte
Kling 2.6 is currently the state-of-the-art for public AI video generation.
Veed took exactly 1 minute and 25 seconds to create the five-second video.
Google Deepmind's Veo 3.1 follows at 0.480, Runway Gen-4 Turbo lands at 0.403, and Kuaishou's Kling 2.6 comes in at 0.369.
Like Google's Veo 3 or Sora 2, the model can generate sound effects that match video content, including voices and music.
